深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
6261	2025-03-11	Obtaining full-arch implant scan with smartphone video and deep learning: An in vitro investigation on trueness and precision 2025-Mar-08, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.14041 PMID:40055947	研究论文	本研究探讨了使用智能手机摄像头和深度学习模型生成的全牙弓种植体扫描的准确性	结合智能手机视频和深度学习模型生成全牙弓种植体扫描，展示了与口腔内扫描仪相似的准确性	该方法的准确性尚不足以用于临床应用	研究智能手机摄像头和深度学习模型生成全牙弓种植体扫描的准确性	上颌无牙模型上的6个种植体和扫描体	计算机视觉	NA	深度学习	深度学习模型	视频	10次重复实验
6262	2025-03-11	Systematic Review and Meta-Analysis of Radiation Dose Reduction Studies in Pediatric Head CT 2025-Mar-07, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8730 PMID:40054878	系统综述与荟萃分析	本文综述了降低儿童头部CT扫描中辐射剂量的研究，并提供了这些研究中辐射剂量减少百分比的荟萃分析	本文通过系统综述和荟萃分析，识别了降低儿童头部CT辐射剂量的最常用参数，并强调了临床适应症在比较剂量减少研究中的重要性	研究方案的异质性、不完整的方案/结果报告以及机构、扫描仪、患者人口统计和临床适应症的变异性限制了研究结果的普遍性	评估和总结降低儿童头部CT扫描中辐射剂量的策略和效果	儿童头部CT扫描	医学影像	儿科疾病	CT扫描、迭代重建技术	NA	医学影像数据	20项研究
6263	2025-03-11	A general model for head and neck auto-segmentation with patient pre-treatment imaging during adaptive radiation therapy 2025-Mar-07, Medical physics IF:3.2Q1 DOI:10.1002/mp.17732 PMID:40055148	研究论文	本文提出了一种在头颈部自适应放射治疗中，利用患者治疗前影像进行自动分割的通用模型	研究探讨了在推理阶段加入治疗前数据对模型性能的影响，避免了新患者群体所需的昂贵模型再训练	刚性配准方法在GTVp和大多数OARs上表现与自适应DL模型相似，可能限制了GAM的广泛应用	提高头颈部自适应放射治疗中自动分割的准确性，特别是对于高变异性或低对比度的结构	头颈部癌症患者	数字病理	头颈部癌症	深度学习	通用自适应模型（GAM）	计算机断层扫描图像	110名接受头颈部癌症自适应放射治疗的患者
6264	2025-03-11	Multimodal optimal matching and augmentation method for small sample gesture recognition 2025-Mar-06, Bioscience trends IF:5.7Q1 DOI:10.5582/bst.2024.01370 PMID:39864830	研究论文	本文提出了一种多模态最优匹配和增强方法，用于小样本手势识别，通过引入运动信息到基于表面肌电图的识别中，实现了每个手势仅需一次采集的高效识别	引入运动信息到基于表面肌电图的识别中，提出了一种多模态最优匹配和增强方法，显著减少了数据采集的负担	方法在非健康用户中的应用效果需要进一步验证，且数据集的多样性可能仍然有限	提高小样本手势识别模型的准确性，减少数据采集的负担	手势识别，特别是基于表面肌电图的手势识别	机器学习	中风	数据增强，迁移学习	深度学习模型	生理信号数据，运动信息数据	自收集的中风患者数据集，Ninapro DB1数据集和Ninapro DB5数据集
6265	2025-03-11	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-Mar-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	研究论文	本文研究了一种基于CT的多参数深度学习-放射组学模型（DLRM），用于预测直肠癌患者术前肿瘤萌芽（TB）等级	结合深度学习和手工放射组学特征，构建了预测直肠癌TB等级的多参数模型，并验证了其优于单独的深度学习和放射组学特征	研究为回顾性设计，样本量相对较小（135例患者），可能影响模型的泛化能力	预测直肠癌患者术前肿瘤萌芽（TB）等级，以支持临床治疗决策	135例经组织学确诊的直肠癌患者	数字病理	直肠癌	CT成像，深度学习，放射组学	深度学习-放射组学模型（DLRM）	CT图像	135例直肠癌患者（85例Bd1+2组，50例Bd3组）
6266	2025-03-11	Unraveling the three-dimensional genome structure using machine learning 2025-Mar-05, BMB reports IF:2.9Q3 PMID:40058875	综述	本文综述了利用机器学习技术研究三维基因组结构的方法	介绍了机器学习特别是深度学习在检测和分析染色体结构信息中的应用	指出了Hi-C数据的局限性，并提出了提高染色体接触频率图分辨率的进展	研究三维基因组结构及其调控机制	染色质相互作用和层次结构	机器学习	NA	Hi-C测序	深度学习	基因组数据	NA
6267	2025-03-11	MetAssimulo 2.0: a web app for simulating realistic 1D and 2D metabolomic 1H NMR spectra 2025-Mar-04, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf045 PMID:39862393	研究论文	本文介绍了MetAssimulo 2.0，一个用于模拟真实1D和2D代谢组学1H NMR光谱的Python网络应用	MetAssimulo 2.0在1.0版本的基础上进行了全面升级，增加了对尿液、血液和脑脊液的光谱模拟功能，并引入了2D J-resolved和Correlation Spectroscopy光谱的模拟能力	尽管MetAssimulo 2.0提高了光谱模拟的真实性，但其模拟结果与真实光谱的Pearson相关系数约为0.82，仍有改进空间	开发一个工具以支持深度学习与代谢组学交叉领域的研究	1D和2D代谢组学1H NMR光谱	代谢组学	NA	核磁共振（NMR）光谱	NA	光谱数据	NA
6268	2025-03-11	ResGloTBNet: An interpretable deep residual network with global long-range dependency for tuberculosis screening of sputum smear microscopy images 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104300 PMID:40057359	研究论文	本文提出了一种名为ResGloTBNet的深度学习框架，用于痰涂片显微镜图像的结核病筛查	ResGloTBNet框架结合了卷积神经网络和图卷积网络，引入了全局推理单元到ResNet的残差结构中，形成ResGloRe模块，不仅充分提取图像的局部特征，还建模图像中不同区域之间的全局关系	NA	提高结核病筛查的准确性和敏感性，减少人工筛查的时间和劳动强度	痰涂片显微镜图像	计算机视觉	结核病	卷积神经网络（CNN），图卷积网络（GCN）	ResGloTBNet	图像	公开数据集和私有数据集
6269	2025-03-11	A comparative analysis of Constant-Q Transform, gammatonegram, and Mel-spectrogram techniques for AI-aided cardiac diagnostics 2025-Mar, Medical engineering & physics IF:1.7Q3 DOI:10.1016/j.medengphy.2025.104302 PMID:40057368	研究论文	本研究比较了Constant-Q变换、gammatonegram和Mel-spectrogram技术在AI辅助心脏诊断中的应用，并设计了一种DAG-CNN架构用于自动心音分类	设计了一种新的DAG-CNN架构，并在心音分类中实现了高准确率，相比预训练的CNN模型表现出更优的性能	未提及具体的研究样本量或数据集来源，可能影响结果的普适性	通过数字信号处理和心音图分析，实现心脏异常的早期和准确检测	心音信号	数字病理学	心血管疾病	数字信号处理、心音图分析	DAG-CNN	心音信号	NA
6270	2025-03-11	gRNAde: Geometric Deep Learning for 3D RNA inverse design 2025-Feb-25, ArXiv PMID:38827456	研究论文	本文介绍了gRNAde，一种基于几何深度学习的3D RNA逆设计管道，旨在设计考虑结构和动力学的RNA序列	gRNAde通过多状态图神经网络和自回归解码，生成基于一个或多个3D骨架结构的候选RNA序列，显著提高了序列恢复率	尽管gRNAde在单状态固定骨架重新设计基准测试中表现优异，但在多状态设计方面的应用仍需进一步验证	研究目的是开发一种能够考虑3D构象多样性的RNA序列设计方法	研究对象是RNA序列及其3D骨架结构	机器学习	NA	几何深度学习	图神经网络（GNN）	3D结构数据	14个来自PDB的RNA结构
6271	2025-03-11	Tracking the Preclinical Progression of Transthyretin Amyloid Cardiomyopathy Using Artificial Intelligence-Enabled Electrocardiography and Echocardiography 2025-Feb-24, medRxiv : the preprint server for health sciences DOI:10.1101/2024.08.25.24312556 PMID:39252891	研究论文	本研究利用人工智能技术，通过经胸超声心动图（TTE）和心电图（ECG）追踪转甲状腺素蛋白淀粉样心肌病（ATTR-CM）的临床前进展	首次将深度学习模型应用于TTE视频和ECG图像，以区分ATTR-CM与年龄/性别匹配的对照组，并在临床前阶段进行疾病风险分层	研究为回顾性分析，可能存在选择偏差，且样本主要来自两个医疗中心，可能限制结果的普适性	开发一种可扩展的策略，用于ATTR-CM的临床前监测和风险分层	转甲状腺素蛋白淀粉样心肌病（ATTR-CM）患者及年龄/性别匹配的对照组	数字病理	心血管疾病	深度学习	深度学习模型	视频（TTE）、图像（ECG）	YNHHS队列984名参与者（中位年龄74岁，44.3%女性），HMH队列806名参与者（中位年龄69岁，34.5%女性）
6272	2025-03-11	ralphi: a deep reinforcement learning framework for haplotype assembly 2025-Feb-21, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.17.638151 PMID:40027721	研究论文	本文介绍了一种名为ralphi的深度强化学习框架，用于单倍型组装，该框架结合了深度学习的表示能力和强化学习，以准确地将读取片段分配到各自的单倍型集合中	ralphi框架首次将深度学习和强化学习结合用于单倍型组装，通过片段图的经典问题简化来设定强化学习的奖励目标	NA	研究目的是开发一种新的方法，以更准确地组装个体二倍体基因组的单倍型	个体二倍体基因组的单倍型	机器学习	NA	ONT读取	深度强化学习	基因读取数据	来自1000 Genomes Project的基因组数据
6273	2025-03-11	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习技术分析颈动脉斑块长期进展及斑块内出血（IPH）的作用	首次使用深度学习分割管道在长期随访中识别IPH、量化IPH体积，并测量其对颈动脉斑块负担的影响	样本量较小（28名无症状颈动脉粥样硬化患者），且仅针对无症状患者进行研究	评估IPH对颈动脉斑块负担长期进展的影响	无症状颈动脉粥样硬化患者	数字病理	心血管疾病	多对比磁共振血管壁成像（VWI）	深度学习分割管道	图像	28名无症状颈动脉粥样硬化患者，共50条动脉
6274	2025-03-11	VASCilia (Vision Analysis StereoCilia): A Napari Plugin for Deep Learning-Based 3D Analysis of Cochlear Hair Cell Stereocilia Bundles 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.06.17.599381 PMID:38948743	研究论文	本文介绍了VASCilia，一个基于深度学习的Napari插件，用于自动化分析耳蜗毛细胞立体纤毛束的3D共聚焦显微镜数据集	VASCilia是首个专门用于耳蜗毛细胞立体纤毛束3D分析的深度学习工具，提供了五种深度学习模型和自动化计算工具，支持高通量图像定量分析	NA	开发一个自动化工具，用于分析耳蜗毛细胞立体纤毛束的3D形态，以促进耳蜗毛细胞发育和功能的研究	耳蜗毛细胞立体纤毛束	计算机视觉	NA	深度学习	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类工具	3D共聚焦显微镜图像	55个3D图像堆栈，包含502个内毛细胞和1,703个外毛细胞束的3D注释
6275	2025-03-11	Global Deep Forecasting with Patient-Specific Pharmacokinetics 2025-Feb-12, ArXiv PMID:37965077	研究论文	本文提出了一种新颖的混合全局-局部架构和药代动力学编码器，用于预测医疗时间序列数据，特别是在血糖预测任务中展示了其有效性	提出了一种混合全局-局部架构和药代动力学编码器，能够为深度学习模型提供患者特定的治疗效果信息	未明确提及具体局限性	提高医疗时间序列数据预测的准确性，特别是在患者特定药代动力学影响下的血糖预测	医疗时间序列数据，特别是血糖数据	机器学习	糖尿病	深度学习	混合全局-局部架构	时间序列数据	模拟数据和真实世界数据
6276	2025-03-11	gRNAde: A Geometric Deep Learning Pipeline for 3D RNA Inverse Design 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4079-1_8 PMID:39312140	研究论文	本文介绍了一种名为gRNAde的几何深度学习管道，用于3D RNA逆向设计，该管道考虑了RNA的3D结构和动态性	gRNAde采用图神经网络和SE(3)等变编码-解码框架，首次在RNA设计中明确考虑3D几何和构象多样性	NA	开发一种能够基于RNA的3D骨架结构设计RNA序列的计算工具	RNA的3D骨架结构	机器学习	NA	几何深度学习	图神经网络	3D RNA骨架结构	来自PDB的现有RNA结构，包括核糖开关、适配体和核酶
6277	2025-03-11	The More, the Better? Evaluating the Role of EEG Preprocessing for Deep Learning Applications 2025, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2025.3547616 PMID:40031716	研究论文	本研究首次全面评估了EEG预处理在深度学习应用中的影响，并提出了未来研究的指导方针	首次系统性地研究了不同预处理水平对深度学习模型性能的影响，并提出了针对EEG数据预处理的建议	研究结果可能受限于所选的分类任务和EEG架构，未涵盖所有可能的预处理方法和模型类型	评估EEG预处理对深度学习应用的影响，确定最佳预处理策略	EEG数据	机器学习	帕金森病、阿尔茨海默病、睡眠剥夺、首次发作精神病	EEG数据预处理	深度学习模型	EEG数据	4800个训练模型
6278	2025-03-11	Virtual Monochromatic Imaging of Half-Iodine-Load, Contrast-Enhanced Computed Tomography with Deep Learning Image Reconstruction in Patients with Renal Insufficiency: A Clinical Pilot Study 2025, Journal of Nippon Medical School = Nippon Ika Daigaku zasshi DOI:10.1272/jnms.JNMS.2025_92-112 PMID:40058838	研究论文	本研究探讨了在肾功能不全患者中使用深度学习图像重建（DLIR）进行半碘负荷对比增强CT（CECT）的薄层虚拟单色成像（VMI）的图像质量	结合40 keV和DLIR，为半碘负荷CECT的薄层VMI提供了最大的对比噪声比（CNR）和主观可接受的图像质量	样本量较小（28名患者），且为回顾性研究	评估半碘负荷CECT的薄层VMI图像质量	中度至重度肾功能不全的肿瘤患者	医学影像	肾功能不全	双能CT（DECT）和深度学习图像重建（DLIR）	深度学习图像重建（DLIR）	CT图像	28名中度至重度肾功能不全的肿瘤患者
6279	2025-03-11	Comparison of Vendor-Pretrained and Custom-Trained Deep Learning Segmentation Models for Head-and-Neck, Breast, and Prostate Cancers 2024-Dec-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics14242851 PMID:39767212	研究论文	本文评估了本地患者和临床特征对商业深度学习分割模型在头颈、乳腺和前列腺癌症中性能的影响	比较了供应商预训练和自定义训练的深度学习分割模型，并展示了自定义模型在多个器官风险区域（OARs）上的显著改进	研究样本量相对较小，且仅针对头颈、乳腺和前列腺癌症	评估本地数据和临床特征对商业深度学习分割模型性能的影响	头颈、乳腺和前列腺癌症患者	数字病理	头颈癌、乳腺癌、前列腺癌	深度学习分割模型	深度学习模型	CT扫描图像	210名患者（53名头颈癌、49名左乳腺癌、55名右乳腺癌、53名前列腺癌）
6280	2025-03-11	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2024-Dec-09, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.05.592587 PMID:38979147	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并应用于高度动态的蛋白质构象采样	提出了一种新的深度学习模型ICoN，能够从分子动力学模拟数据中学习蛋白质构象变化的物理原理，并生成新的合成构象，揭示了实验未观察到的原子级细节	模型的训练依赖于分子动力学模拟数据，可能受限于模拟的准确性和计算资源	研究高度动态蛋白质的构象集合，以理解其功能调控和疾病相关聚集	高度动态的蛋白质，特别是内在无序蛋白质（IDPs）和淀粉样β（Aβ42）单体	机器学习	NA	分子动力学模拟（MD）	深度学习模型（ICoN）	分子动力学模拟数据	NA